小 A 最近在研究深度学习，他自己搭建了一个很牛逼的神经网络，现在他手头一共有 n 组训练数据，一开始他会给自己的神经网络设置一个 batch size，假设为 B (1≤ B≤ n) ，每次训练他都会从手头的 n 组训练数据中抽取不同的 B 组数据，然后扔到神经网络去训练， 然而小 A 的服务器并不是特别支持并行，所以运行时间和 B 成正比，每一次训练都会花费 B 秒的时间， 现在小 A 发现
小 A 最近在研究深度学习，他自己搭建了一个很牛逼的神经网络，现在他手头一共有 n 组训练数据，一开始他会给自己的神经网络设置一个 batch size，假设为 B (1≤ B≤ n) ，每次训练他都会从手头的 n 组训练数据中抽取不同的 B 组数据，然后扔到神经网络去训练。 然而小 A 的服务器并不是特别支持并行，所以运行时间和 B 成正比，每一次训练都会花费 B 秒的时间。 现在小 A 发现这样每次随机选数据的话，从概率上讲要训练好多次才能使得每组训练数据都被选中过。小 A 是一个炼丹的新手，他觉得只要所有训练数据都被选中过，那么这个模型就会很牛逼，所以只要某次训练后，如果所有训练数据都被选中过，那么他就会停止进行训练。 现在他想合理地设置 B ，使得训练总时间的期望值尽可能地短，你只需要求出这个最小的期望值。
（图片来源网络，侵删）
标签： HBC19792深度学习题解
